Nazwa GPT Image 2.6 pojawia się w specyfikacji OpenAI i nigdzie indziej.

GPT Image 2.6 istnieje w tym tygodniu jako ciąg znaków w opisie pola i nic więcej. 28 października 2026 r. commit do publicznego repozytorium OpenAPI OpenAI dodał nowy parametr edycji obrazu o nazwie markup i opisał go jednym zdaniem, które się liczy: „Obsługuje GPT Image 2.5 i 2.6”. Brakuje wszystkiego innego, czego potrzebowałbyś, aby wywołać model. W samej enumeracji specyfikacji nie ma identyfikatora gpt-image-2.6, nie ma ceny, wpisu w changelogu, wiersza w rankingu ani ogłoszenia. Modele obrazu OpenAI, które ten sam plik faktycznie wymienia jako możliwe do wywołania, to nadal gpt-image-1-mini, gpt-image-1.5, gpt-image-2, GPT Image 2.5 Sunburst i GPT Image 2.5 Flare. To nie jest więc historia premiery. To historia o tym, co jedno zdanie w czytelnym dla maszyn kontrakcie samego dostawcy mówi, a czego celowo nie mówi.

Dowody, z dokładnością do commita

Zmiana jest na tyle niewielka, że można ją przeczytać w całości. Commit aa88004, którego autorem jest bot OpenAI OpenAPI Publisher, utworzony 28 października o 20:56 UTC, nosi tytuł „Dodanie właściwości «markup» do punktów końcowych edycji obrazów” i obejmuje 27 wierszy w plikach openapi.json i openapi.yaml. Zawiera odniesienie do rewizji źródła dokumentacji API 1326001, dzięki czemu wygenerowana dokumentacja referencyjna wie, jaki tekst wyrenderować. Te same cztery zdania pojawiają się teraz na stronie referencyjnej edycji obrazów pod adresem developers.openai.com.

Oto całość tego, czym markup jest, według własnej specyfikacji OpenAI:

• To przezroczysty plik PNG nałożony na pierwszy obraz w żądaniu edycji.

• Można je podać jako identyfikator pliku, adres URL HTTPS lub adres URL danych base64.

• Musi odpowiadać wymiarom tego obrazu po zorientowaniu i musi zawierać przezroczyste piksele.

• Obsługuje GPT Image 2.5 i 2.6 i nie można go łączyć z maską.

To jest cały publiczny opis. Żadnego diagramu, żadnego przykładu, żadnego wyjaśnienia, jak interpretowany jest overlay, żadnego stwierdzenia, czym 2.6 różni się od 2.5, i żadnej wskazówki co do czasu. Specyfikacja jest czytelna maszynowo i wyczerpująca, jeśli chodzi o kształt pól, a jednocześnie niemal milczy na temat semantyki — co jest normalne w przypadku kontraktu i frustrujące dla każdego, kto próbuje planować w oparciu o nią.

Bardziej pouczające jest to, czego brakuje, niż to, co jest obecne.

Przeszukaj 5 MB plik openapi.json pod kątem dowolnego identyfikatora zawierającego gpt-image-2.6 i nic nie znajdziesz. Opis obsługiwanych modeli w punkcie końcowym edycji wymienia rodzinę z nazwy i kończy się na dwóch wrześniowych SKU oraz ich datowanych snapshotach: gpt-image-2.5-sunburst, gpt-image-2.5-sunburst-2026-09-08, gpt-image-2.5-flare, gpt-image-2.5-flare-2026-09-08. Model, którego nie można nazwać w polu model, nie jest modelem, który można wywołać, a repozytorium, które miałoby zawierać tę nazwę, nie zostało zaktualizowane, by ją zawierało.

To wzorzec, którego OpenAI użyło przed GPT Image 2.5 na początku września: odniesienia pojawiają się w wygenerowanej dokumentacji i plikach specyfikacji, zanim dogonią je strona produktu, tabela cen i changelog. To także wzorzec, który wygenerował trzy identyfikatory aurora- w liście modeli OpenAI 17 października; pojawiły się i zostały ponownie usunięte w ciągu kilku minut, a od tego czasu nie zostały wyjaśnione. Nazwa w specyfikacji jest wskaźnikiem wyprzedzającym. Nie jest obietnicą i nie jest datą.

Znaczniki są danymi wejściowymi, a nie modelem — i to jest prawdziwa zmiana.

Numer wersji jest nagłówkiem, ale parametr jest sednem sprawy. Dziś edycja obrazu może przyjąć maskę: region binarny, który mówi „zmienić tutaj, resztę pozostawić bez zmian”. Prompt musi nieść całe znaczenie, ponieważ maska nie niesie żadnego — jest dziurą bez żadnej semantyki w środku. Markup to obiekt innego rodzaju. To obraz nałożony na obraz, a obraz może nieść strzałę, ramkę narysowaną wokół logo, bazgroł na marginesie, dwa regiony rozróżnione kolorem albo odręczną notatkę. Jeśli model odczyta tę nakładkę jako instrukcję, a nie jako piksele do zmiksowania, żądanie edycji przestaje być „zastąp ten region” i staje się „zrób to, co mówi rysunek”.

To ostatnie zdanie jest wnioskiem, a nie dokumentacją. OpenAI opublikowało dokładnie cztery zdania na temat znaczników i żadne z nich nie opisuje interpretacji. Specyfikacja jednoznacznie mówi natomiast o wyłączności: znaczników nie można łączyć z maską. Nie jest to więc dodatkowe wejście doklejone do istniejącego przepływu edycji. To druga ścieżka przez endpoint, a każde żądanie wybiera jedną albo drugą. Istniejące wywołania z maską i promptem pozostają bez zmian, ponieważ pole jest opcjonalne, ale produkt, który chce edycji opartej na adnotacjach, będzie wybierał inny kształt wywołania zamiast rozszerzać obecny.

Warto zauważyć echo po stronie konsumenta. ChatGPT Images 2.5 został wydany z narzędziem Sketch 8 września — rysujesz na obrazie i prosisz o zmianę. Markup wygląda jak wyrażenie tej samej idei po stronie API: rysunek staje się instrukcją, a prompt staje się jego podpisem. Nie potwierdzono, czy OpenAI właśnie to zamierza, ale ograniczenia tego pola — te same wymiary, przezroczyste piksele, wzajemne wykluczanie się z maską — pasują do tej interpretacji i do niewielu innych.

Drugą połową wycieku jest kryptonim Arena

Sygnał, od którego zaczął się ten materiał, łączy wzmiankę w dokumentacji z testowaniem na ślepo w Arena: po lewej gpt-image-2.5-sunburst, po prawej anonimowy shooting-star-green-alpha, przy czym przetestowano dwa checkpointy, a drugi wynik opublikowano w odpowiedziach. Opublikowany 28 października opis w języku koreańskim mówi o tej samej rodzinie nazw kodowych pojawiającej się w rankingu obrazów Arena — jego nagłówek wymienia zarówno Green Alpha, jak i Red Alpha — donosi, że wyglądało to tylko nieznacznie inaczej niż GPT Image 2.5, z nieco mniejszą ziarnistością, i ostrzega, że potrzeba było kilku generacji, zanim któraś wyszła dobrze.

Nic nie potwierdza, że shooting-star-green-alpha to GPT Image 2.6. Związek jest poszlakowy: kryptonim pojawił się w tym samym tygodniu co zdanie ze specyfikacji, jest porównywany z obecnym czołowym modelem do edycji, a przyrostek -alpha pasuje do identyfikatorów aurora-*-alpha z 17 października. Kryptonimy w arenie były już wcześniej błędnie przypisywane, a dwa warianty w różnych kolorach nie są dowodem na istnienie dwóch odrębnych wersji modelu — równie dobrze mogą być dwoma punktami kontrolnymi próbkowania tego samego modelu. Potraktuj część związaną z areną jako obserwację testerów, a nie wynik benchmarku, i uznaj „nieznacznie lepszy niż 2.5” za najbardziej prawdopodobny wynik, dopóki ktoś nie opublikuje punktowego porównania.

Co 2.6 musiałoby przebić

Właściwy ranking to edycja obrazów, ponieważ markup jest funkcją edycji. Jak pokazano na Artificial Analysis 29 października, czoło tego rankingu wygląda następująco:

• GPT Image 2.5 Sunburst (max) — OpenAI, Elo 1,199, pierwsze miejsce.

• MAI-Image-2.7-Preview — Microsoft AI, Elo 1,193, drugie miejsce.

• GPT Image 2.5 Flare (max) — OpenAI, Elo 1,182, trzecie miejsce.

• MAI-Image-2.6 — Microsoft AI, Elo 1,151, czwarty, na równi z Krea 3 (Ultra) i Nano Banana 2.1.

• GPT Image 2 (high) — OpenAI, Elo 1,136, ósme miejsce.

Na tej tablicy rankingowej nie ma wpisu GPT Image 2.6, co jest najczystszym dostępnym potwierdzeniem, że nic nie zostało wydane. Nie ma też miejsca na szczycie: różnica między pierwszym a drugim miejscem wynosi sześć punktów, a między Sunburst a jego siostrzanym modelem Flare — siedemnaście. Oba mają 95-procentowe przedziały, które się pokrywają — 1,188 do 1,210 dla Sunburst i 1,171 do 1,193 dla Flare. Wersja 2.6, która — jak opisują testerzy Arena — tylko redukuje ziarnistość, trafiłaby w ten szum, a nie powyżej niego. Ciekawym pytaniem nie jest to, czy 2.6 bije 2.5 w Elo. Chodzi o to, czy ścieżka znaczników zmienia to, co może wyrazić żądanie edycji, ponieważ właśnie tego rodzaju możliwości ranking oparty na porównaniach parami nie potrafi dobrze mierzyć.

Cena, którą by odziedziczyło, oraz to, co możesz dziś nazwać

GPT Image 2.5 zadebiutował 8 września z dwoma SKU API — Flare jako domyślnym, reklamowanym jako oferujący 50% niższą latencję niż GPT Image 2, oraz Sunburst jako wariantem precyzyjnej edycji — i zachował dokładnie cennik GPT Image 2:

• Wejście obrazu — 8,00 USD za 1 mln tokenów, wejście obrazu z pamięci podręcznej 2,00 USD za 1 mln, wyjście obrazu 30,00 USD za 1 mln.

• Tekst wejściowy — 5,00 USD za 1 mln tokenów, w pamięci podręcznej 1,25 USD za 1 mln.

• Batch — połowa ceny: $4.00 za obraz wejściowy, $1.00 za buforowane, $15.00 za obraz wyjściowy, $2.50 za tekst wejściowy.

OpenAI nie opublikowało ceny dla GPT Image 2.6, a na jego własnej stronie z cennikiem nie ma w ogóle ceny katalogowej za obraz — rozliczanie odbywa się tokenami, więc koszt wygenerowanego obrazu zmienia się wraz z rozmiarem, jakością i liczbą przesyłanych obrazów referencyjnych. Dla porównania: ranking Artificial Analysis zawiera niezależny szacunek wynoszący 210,70 USD za 1000 obrazów w maksymalnej jakości, czyli około 21 centów za sztukę; do planowania budżetu używaj takiej kwoty, a nie czyjegoś szacunku ceny za obraz. Jeśli 2.6 faktycznie zostanie uruchomione, użytecznym domyślnym założeniem jest obecny cennik, ponieważ 2.5 nie zmieniło niczego względem 2.0; ale to tylko jeden punkt danych, a nie polityka, i zmiana ceny byłaby bardziej godnym uwagi wydarzeniem.

Oba SKU 2.5 można już dziś wywoływać przez OrcaRouter, w cenie $8.00 za wejście i $30.00 za wyjście za 1 mln tokenów — cena listowa dostawcy przekazywana z 0% marży, na tym samym kluczu co reszta katalogu. GPT Image 2.6 nie ma w katalogu i nic w tym przecieku nie sugeruje daty, w której miałby się pojawić. To, co warstwa routingu rzeczywiście daje, to tania część przejścia: gdy pojawi się nowy model obrazu, DSL routingu pozwala skierować do niego część ruchu, podczas gdy reszta pozostaje na SKU, któremu ufasz, a automatyczny failover obejmuje błędy dostawcy. Nie potrafi wymyślić drugiego upstreamu dla modelu, który obsługuje tylko jeden dostawca, więc zupełnie nowy checkpoint nadal pozostaje pojedynczym punktem awarii, dopóki nie zostanie szeroko zreplikowany.

Cztery sygnały, które przekształciłyby nazwę w model

Jeśli chcesz wiedzieć, kiedy to przestanie być wyciekiem, śledź specyfikację, a nie harmonogram:

• Identyfikator gpt-image-2.6 pojawiający się w wyliczeniu modeli w specyfikacji albo na liście obsługiwanych modeli obrazów GPT w punkcie końcowym edycji. Wtedy właśnie wywołanie staje się możliwe.

• Dziennik zmian lub wpis produktowy od OpenAI. Firma nigdy nie wypuściła żadnej generacji GPT Image bez takiego wpisu — w tym wydania 2.5, które tego samego dnia trafiło do ChatGPT, ChatGPT Work i Codex.

• Wpis z wynikiem punktowym w Artificial Analysis, najlepiej z Elo edycji i liczbą próbek. Kuratorowane przez dostawcę zrzuty ekranu z areny nie są tym.

• Pole markup wchodzi do użytku w samym API, a nie czeka w poprawce specyfikacji — parametr, który można faktycznie przekazać, z błędem walidacji, gdy wymiary nakładki są nieprawidłowe.

Jest też falsyfikator. Jeśli następna rewizja specyfikacji po cichu usunie klauzulę „and 2.6”, prawdopodobna interpretacja jest taka, że planowany SKU został przemianowany lub opóźniony, dokładnie tak jak identyfikatory aurora- zniknęły w październiku. Podglądy dokumentacji bywają wycofywane; właśnie to czyni je podglądami.

Na razie praktyczna odpowiedź jest mało efektowna. Jeśli edytujesz dziś obrazy w jakości produkcyjnej, GPT Image 2.5 Sunburst to model z najlepszym niezależnym wynikiem i opublikowaną ceną, dostępny już teraz; Flare to wybór pod kątem wolumenu w tych samych stawkach. Nie przebudowuj potoku edycyjnego wokół parametru, który ma cztery zdania dokumentacji i żadnego wywoływalnego modelu za sobą. Nazwa jest prawdziwa. Model, na dzień 29 października 2026 r., nie.